配置全面迁移数据库：PromptConfig、TaskConfig动态调度、敏感词/清洗规则/趋势映射/平台标签/痛点模板全部可编辑

- 新增 PromptConfig 模型 + API，支持提示词在线编辑（16条默认）
- 调度器动态读取 TaskConfig.schedule，admin 可调执行时间
- 新增 KeywordDomainMap、SensitiveWord、ContentCleanRule、TrendFieldMapping 表
- DOMAINS、TREND_DOMAIN_MAP、PLATFORM_TAGS、china_pains、RSS关键词、priority_weights 全部迁移到 DB
- tasks.html 重构：卡片网格+配置/产出/历史/提示词四个Tab，折叠显示
- 清理冗余代码：DEFAULT_PROMPTS死代码、collector.py unreachable代码、compliance_checker bug
- strip_thinking_html 改用 DB 规则优先

scripts/outline.py

@@ -12,6 +12,7 @@ sys.path.insert(0, str(PROJECT_ROOT))
 sys.path.insert(0, str(PROJECT_ROOT / "platform" / "backend"))
 
 from db_helper import get_topic_by_id
+from prompt_loader import get_prompt, get_prompt_params
 try:
     from app.core.nvidia_client import call_llm
     HAVE_LLM = True
@@ -52,57 +53,19 @@ class Outliner:
 
         if HAVE_LLM:
             _now = datetime.datetime.now()
-            prompt = f"""你是一个资深内容编辑，擅长设计读者爱看+搜索引擎友好+平台愿意推荐+有市场传播力的文章结构。
-
-⚠️ 今天日期：{_now.strftime('%Y年%m月%d日')}。当前年份：{_now.year}年。
-
-## 选题信息
-标题：{title}
-领域：{field}
-核心观点：{core}
-受众痛点：{pain}
-独特视角：{angle}
-
-## 研究笔记
-{cases_summary}
-
-## 大纲设计要求
-### 结构
-- 5-8章，每章2-4个要点
-- 结构要有递进：要么认知升级型，要么问题解决型
-- 把独特视角和受众痛点融入各章，不单独列
-- 每章标题自带信息量+好奇心，不要「引言」「总结」这类通用标题
-- 开头要有"钩子"（hook）抓住读者，结尾要有可转发/收藏的总结
-
-### 数据与热点
-- **全文必须使用{_now.year-1}-{_now.year}年最新数据**，禁用一切过时数据
-- 每个观点必须配最新的国内外热点事件/数据/政策来佐证
-- 体现当前行业正在讨论的核心议题，拒绝泛泛而谈
-
-### 独特风格
-- 有自己的判断和立场，不是搬运观点
-- 每章至少一个"反常识"或"很少有人提"的洞察
-- 避免同质化表达、老生常谈
-
-### SEO
-- H2/H3自然包含用户搜索时会用的短语
-- 确保大纲覆盖2-3个高价值搜索词，包含1个长尾词
-- 每章标题对用户搜索意图有回应
-
-### 市场价值
-- 读完每章读者能拿走一个实际有用的东西（方法/清单/思维框架/判断标准）
-- 避免「信息增量为零」的空洞章节
-- 思考：这篇文章对读者职业/生活/认知有什么用？
-
-### 平台推荐优化
-- 知乎：偏硬核数据分析和深度逻辑，结构要有论证链
-- 小红书：偏实操步骤/清单/对比，结构要一目了然
-- 公众号：偏故事化开头+情感共鸣+金句结尾，段落节奏快
-- 一个框架适应三平台，各平台可裁剪侧重点
-
-直接输出大纲，不要输出思考过程。"""
+            prompt = get_prompt("outline_generation",
+                date=_now.strftime('%Y年%m月%d日'),
+                year=_now.year,
+                title=title,
+                field=field,
+                core=core,
+                pain=pain,
+                angle=angle,
+                cases_summary=cases_summary,
+            )
             try:
-                outline = call_llm(prompt, temperature=0.6, system_prompt="你是一个有经验的内容编辑，擅长为不同选题设计差异化的文章结构。")
+                params = get_prompt_params("outline_generation")
+                outline = call_llm(prompt, temperature=params.get("temperature", 0.7), max_tokens=params.get("max_tokens", 4000), system_prompt="你是一个有经验的内容编辑，擅长为不同选题设计差异化的文章结构。")
                 logger.info(f"LLM 大纲生成成功，长度：{len(outline)}")
                 return f"# 文章大纲：{title}\n\n{outline}\n\n---\n*大纲生成时间：{TODAY}*"
             except Exception as e: